Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 20 vistas

    Trabajo de Metodos

    Cargado por

    Edwar Magallan
    El documento describe diferentes métodos de análisis multivariante, incluyendo regresión múltiple, análisis discriminante múltiple y análisis de componentes principales. Explica que estos métodos analizan las relaciones entre grupos de variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd

    Trabajo de Metodos

    Cargado por

    Edwar Magallan
    20 vistas1 página
    El documento describe diferentes métodos de análisis multivariante, incluyendo regresión múltiple, análisis discriminante múltiple y análisis de componentes principales. Explica que estos métodos analizan las relaciones entre grupos de variables.

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe diferentes métodos de análisis multivariante, incluyendo regresión múltiple, análisis discriminante múltiple y análisis de componentes principales. Explica que estos métodos analizan las relaciones entre grupos de variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    20 vistas1 página

    Trabajo de Metodos

    Cargado por

    Edwar Magallan
    El documento describe diferentes métodos de análisis multivariante, incluyendo regresión múltiple, análisis discriminante múltiple y análisis de componentes principales. Explica que estos métodos analizan las relaciones entre grupos de variables.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 1

    1. 1.

    El Análisis Multivariante es el conjunto de métodos estadísticos que se


    encarga de analizar todo conjunto de datos multivariantes de cada individuo u
    objeto sometido a una investigación. El fin de este es un mejor entendimiento
    del objeto de estudio y todo lo que pueda tener más de dos variables es
    considerado análisis multivalente.
    2. 3. El análisis multivariante es un conjunto de técnicas de análisis de datos en
    expansión. Entre las técnicas más conocidas expuestas en este texto tenemos (1)
    regresión múltiple y correlación múl tiple; (2) análisis discriminante múltiple;
    (3) componentes principales y análisis factorial común; (4) análisis multivariante
    de varianza y covarianza; (5) correlación canónica; (6) análisis cluster; (7)
    análisis multidimensional y (8) análisis conjunto. Entre las técnicas emergentes
    también incluidas están (9) análisis de correspondencias; (10) modelos de
    probabilidad lineal como logit y probit; y (11) modelos de ecuaciones
    simultáneas/estructurales. En este apartado, introduciremos cada una de las
    técnicas multivariantes, definiendo brevemente la técnica y el objetivo de su
    aplicación.
    3. 4. Los métodos multivariados se ven como una familia de técnicas porque estas
    investigan la existencia o ausencia de relaciones entre dos grupos de variables.
    Es por ello que si nos encontramos ante una situación en la que se nos hace
    imposible distinguir de forma conceptualmente entre variables dependientes e
    independientes.

    4. 5. Es importante entender los diferentes tipos de escalas de medida por dos


    razones. En primer lugar, el investigador debe identificar la escala de medida de
    cada variable empleada, de tal forma que no se estén utilizando datos no
    métricos como si fueran métricos. En segundo lugar, la escala de medida es
    crucial para determinar qué técnica multivariante es la más conveniente para los
    datos, consideración hecha tanto para las variables dependientes como las
    independientes.
    5. 6. La diferencia es que significancia práctica se refiere a los errores cuando
    realizamos el experimento y significancia estadística se refieres a los errores que
    se obtienen en los datos del experimento. Además si es un prerrequisito una de
    la otra ya que una es dependiente de la otra. Ejemplo: conteo de árboles
    afectados por una plaga dentro de un bosque para determinar la cantidad
    afectada.
    6. 7. Una baja potencia estadística podría indicar un tamaño de muestra pequeño,
    un alfa menor o un tamaño del efecto pequeño que además podría provocar un
    incremento consecuente de la probabilidad de cometer un error característico.
    La potencia puede aumentarse utilizando muestras homogéneas, es decir,
    disminuyendo su variabilidad o varianza.
    7.

    También podría gustarte